Vol. 61 No. 3 (2024)   マテリアリティ特集
- 三菱重工グループが考える重要課題に対する取組み -
技術論文

時系列XAI技術による電力需要予測モデルの説明性獲得と予測性能向上

Acquiring Explainability and Improving Performance of Electricity Demand Forecasting Model Through Time-series XAI

髙木洋和
Hirokazu Takagi
土坂祐太郎
Yutaro Tsuchisaka
杉森文亮
Fumiaki Sugimori
林千春
Chiharu Hayashi
手島哲平
Teppei Teshima
森田克明
Katsuaki Morita
髙木洋和
土坂祐太郎
杉森文亮
林千春
手島哲平
森田克明

電力自由化やCO2排出量ゼロ社会への取組みにより,エネルギー状況は急激に変化している。特に大規模工場においては効率的なエネルギー管理が求められるが,エネルギー需要は機器の運転や気象条件などの様々な要因による影響を受けるため常に変動しており,それらの条件に基づいた正確な需要予測が必要とされる。本報では,工場の電力需要予測を行う深層学習時系列予測モデルに焦点を当て,モデルが重要視する変数や予測の根拠を説明する説明可能AI(XAI)の中でも,時系列方向の特徴についても説明可能なXAI(時系列XAI)について紹介する。具体的には,モデル全体の振る舞いを示す大局的手法TIMEと,モデルの予測根拠を示す局所的手法TimeSHAPで,モデルの説明性を補うことができる。また,大局的手法TIMEで,モデルが注目する説明変数を抽出し,それらの変数でモデルを再構築することによりモデルの性能改善が図れることを示す。